對(duì)Keras中predict()方法和predict_classes()方法的區(qū)別說(shuō)明
1 predict()方法
當(dāng)使用predict()方法進(jìn)行預(yù)測(cè)時(shí),返回值是數(shù)值,表示樣本屬于每一個(gè)類別的概率,我們可以使用numpy.argmax()方法找到樣本以最大概率所屬的類別作為樣本的預(yù)測(cè)標(biāo)簽。

2 predict_classes()方法
當(dāng)使用predict_classes()方法進(jìn)行預(yù)測(cè)時(shí),返回的是類別的索引,即該樣本所屬的類別標(biāo)簽。以卷積神經(jīng)網(wǎng)絡(luò)中的圖片分類為例說(shuō)明,代碼如下:

補(bǔ)充知識(shí):keras中model.evaluate、model.predict和model.predict_classes的區(qū)別
1、model.evaluate 用于評(píng)估您訓(xùn)練的模型。它的輸出是model的acc和loss,而不是對(duì)輸入數(shù)據(jù)的預(yù)測(cè)。
2、model.predict 實(shí)際預(yù)測(cè),輸入為test sample,輸出為label。
3、在keras中有兩個(gè)預(yù)測(cè)函數(shù)model.predict_classes(test) 和model.predict(test)。如果標(biāo)簽經(jīng)過了one-hot編碼,如[1,2,3,4,5]是標(biāo)簽類別,經(jīng)編碼后為[1 0 0 0 0],[0 1 0 0 0]…[0 0 0 0 1]。
model.predict_classes(test)預(yù)測(cè)的是類別,打印出來(lái)的值就是類別號(hào)。并且只能用于序列模型來(lái)預(yù)測(cè),不能用于函數(shù)式模型。
而model.predict(test)輸出的還是5個(gè)編碼值,要經(jīng)過argmax(predict_test,axis=1)轉(zhuǎn)化為類別號(hào)。
以上這篇對(duì)Keras中predict()方法和predict_classes()方法的區(qū)別說(shuō)明就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
使用keras實(shí)現(xiàn)BiLSTM+CNN+CRF文字標(biāo)記NER
這篇文章主要介紹了使用keras實(shí)現(xiàn)BiLSTM+CNN+CRF文字標(biāo)記NER,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2020-06-06
Python實(shí)現(xiàn)繪制自定義形狀的詞云示例
這篇文章主要介紹了Python實(shí)現(xiàn)繪制自定義形狀的詞云示例,通過將一段文本中出現(xiàn)頻率高的單詞按其出現(xiàn)頻率大小以及顏色深淺排列成一個(gè)詞云圖形,從而更好地展示文本中的信息,需要的朋友可以參考下2022-10-10
Pytorch 使用opnecv讀入圖像由HWC轉(zhuǎn)為BCHW格式方式
這篇文章主要介紹了Pytorch 使用opnecv讀入圖像由HWC轉(zhuǎn)為BCHW格式方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來(lái)看看吧2020-06-06
python實(shí)現(xiàn)用戶登陸郵件通知的方法
這篇文章主要介紹了python實(shí)現(xiàn)用戶登陸郵件通知的方法,實(shí)例分析了Python計(jì)劃任務(wù)與郵件發(fā)送的使用技巧,需要的朋友可以參考下2015-07-07
TensorFlow2基本操作之合并分割與統(tǒng)計(jì)
這篇文章主要介紹了TensorFlow2基本操作之合并分割與統(tǒng)計(jì),本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-09-09

